Hypopt多分类网格调参指定scoring时报'sklearn.metrics'无scorer属性错误
报错根因定位
这串连锁报错的核心触发点是hypopt 1.0.9和scikit-learn 0.22.2.post1的API接口不兼容,和你写的超参数设置、测试数据格式都没有关系:
- hypopt 1.0.9的内部逻辑里,只要在
fit方法传入自定义scoring参数,就会尝试访问sklearn.metrics.scorer模块,把传入的字符串(比如f1_macro)解析成对应的评估函数。 - 但scikit-learn从0.22版本开始,把原本公开在
sklearn.metrics.scorer路径下的scorer实现移到了内部子模块,不再作为sklearn.metrics的公开属性暴露,直接抛出AttributeError: module 'sklearn.metrics' has no attribute 'scorer'。 - 这个异常被hypopt的工作线程捕获后,每个超参数组合的评估结果根本没正常返回,等所有组合遍历完,收集结果时本来需要解包出(超参数值、验证集分数)两组信息,结果拿到的是空值列表,才会抛出“期望获取2个值,实际得到0个值”的ValueError。
- 流程中弹出的lbfgs收敛警告是极小测试样本下的附带现象:LogisticRegression默认max_iter=100,3个样本的小数据集本来就容易触发迭代上限警告,就算把max_iter调到10000消掉这个警告,只要传了scoring参数,还是会触发上面的接口不兼容报错。
排查验证步骤
- 直接运行一行代码验证接口缺失情况:
按你当前的版本配置,这行代码会返回import sklearn.metrics print(hasattr(sklearn.metrics, 'scorer'))False,和报错提示完全匹配。 - 临时把
scoring='f1_macro'从fit调用中去掉,复现一次可正常运行的流程,就能确认问题只出在自定义scoring的分支逻辑上,和模型定义、参数网格、训练数据本身无关。
可落地的解决方法
- 最低侵入的环境适配方案:在你自己的代码最开头补一段兼容导入逻辑,手动把hypopt需要的scorer模块挂载到sklearn.metrics的命名空间下:
加完这段代码后,原来的fit调用不需要做任何修改就能正常跑通。import sklearn.metrics from sklearn import metrics sklearn.metrics.scorer = metrics._scorer - 绕开字符串解析的方案:手动构造scorer对象传入,避开hypopt内部对字符串scoring的解析逻辑:
from sklearn.metrics import make_scorer, f1_score # 手动构造和'f1_macro'等价的scorer对象 macro_f1_scorer = make_scorer(f1_score, average='macro') gs.fit(X_train, y_train, X_val, y_val, scoring=macro_f1_scorer) - 版本对齐方案:如果不想加兼容代码,可以把scikit-learn降级到0.21.3版本,这个版本和hypopt 1.0.9的内部接口调用完全匹配,不需要额外修改业务代码。
- 临时规避方案:如果对评估指标没有强需求,就保持不传scoring参数的写法,走hypopt默认的accuracy评估分支,这个分支不会调用scorer模块的接口,自然不会触发报错。
内容的提问来源于stack exchange,提问作者Strickland
相关产品推荐
相关产品推荐

